Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Leticio, Gustavo Rosseto | - |
Autor(es): dc.creator | Dos Santos, Matheus Henrique Jacob | - |
Autor(es): dc.creator | Valem, Lucas Pascotti | - |
Autor(es): dc.creator | Kawai, Vinicius Atsushi Sato | - |
Autor(es): dc.creator | Breve, Fabricio Aparecido | - |
Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:00:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:00:43Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0013267000003912 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307030 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307030 | - |
Descrição: dc.description | Given the substantial challenges associated with obtaining labeled data, including high costs, time consumption, and the frequent need for expert involvement, semi-supervised learning has garnered increased attention. In these scenarios, Graph Convolutional Networks (GCNs) offer an attractive and promising solution, as they can effectively leverage labeled and unlabeled data for classification. Through their ability to capture complex relationships within data, GCNs provide a powerful framework for tasks that rely on limited labeled information. There are also other promising approaches that exploit the graph structure for more effective learning, such as the Particle Competition and Cooperation (PCC), an algorithm that models label propagation through particles that compete and cooperate on a graph constructed from the data, exploiting similarity relationships between instances. In this work, we propose a novel approach that combines PCC, GCN, and dimensionality reduction approaches for improved classification performance. The experimental results showed that our method provided gains in most cases. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC) São Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Statistics Applied Mathematics and Computing (DEMAC) São Paulo State University (UNESP) | - |
Descrição: dc.description | FAPESP: #2018/15597-6 | - |
Descrição: dc.description | CNPq: #313193/2023-1 | - |
Descrição: dc.description | CNPq: #422667/2021-8 | - |
Descrição: dc.description | CNPq: 2023/00095-3 | - |
Formato: dc.format | 519-526 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Graph Convolutional Networks | - |
Palavras-chave: dc.subject | Particle Competition and Cooperation | - |
Palavras-chave: dc.subject | Semi-Supervised Learning | - |
Título: dc.title | Graph Convolutional Networks and Particle Competition and Cooperation for Semi-Supervised Learning | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: